信号自适应分解对比研究及其在机车轴承故障诊断中的应用

为有效提取机车轴承故障特征,开展信号自适应分解方法对比研究。分析了经验模态分解、局域均值分解和局部特征尺度分解3种常用方法的局部均值计算、分解成分和分解能力。针对局域均值分解存在的问题,提出了改进方案并有效验证。进一步提出了先做改进局域均值分解,再采用1(1/2)维谱处理得到的乘积分量的机车轴承诊断的方法,成功用于DF_4型机车的故障诊断。

基于算子和局部正交约束的信号自适应分解方法

该文利用局部正交约束,采用反向投影策略,提出一种基于算子的信号自适应分解方法。该方法将输入信号建模为多个基本信号和一个残差信号之和,并且基本信号落在所定义算子的零空间中。通过仿真和实际信号的实验,展示了所提算法对于解决信号处理中的模式混叠问题的可行性,有效性和实用性。

一种有效的基于Chirplet自适应信号分解算法

基于线性调频小波 (chirplet)的自适应信号分解法 ,将待分析的线性调频 (Chirp)信号分解成为一组chirplet基函数的线性叠加 ,能够更清楚地表述Chirp信号的时频特征 .其中关键的问题 ,是如何自适应地估计与信号最匹配的chirplet,这将影响到自适应分解的效果 .目前 ,还没有一种有效chirplet估计算法 .本文提出了一种新的chirplet估计算法 ,该法充分利用了chirplet的特点 ,具有较高的参数估计精度 .

基于Gauss包络Chirplet自适应信号分解的快速算法

针对自适应信号分解方法运算量大,对信号的逼近精度有限等问题,提出了一种基于Gauss包络线性调频信号(Chirplet)自适应分解的快速算法,通过构造超越方程和参数空间采样点的选取,得到方程的闭式解,达到信号分解目的,数值仿真结果验证了该算法运算量小、分辨率高、抗噪性能强。

自适应Chirplet信号分解用于ISAR目标三维转动检测

当ISAR目标作复杂的三维转动时,目标上各散射点的相位误差将与它们在目标上所处的位置有关,传统的相位聚焦方法难以采用统一的相位校正函数来进行补偿。为解决此问题,论文提出了一种基于自适应Chirplet信号分解的ISAR目标三维转动检测方法,该方法使用自适应Chirplet信号分解的快速算法来估计散射点子回波的相位信息,并根据两个散射点相位之间的非线性度来判断目标是否存在三维转动,从而只选择那些仅具有二维转动的数据段进行成像。仿真实验结果表明了它的有效性。

自适应信号分解方法在主动声呐信号处理中的应用研究

利用基于“MatchingPursuit”算法的自适应信号分解方法,探讨了主动声呐信号处理中多目标回波的检测及参数估计问题。该方法既能实现多目标分辨,又能提取出更多的目标特征信息,所以能够充分发挥宽带信号的优势。再者,不仅对更广泛类型的发射信号具有普适性,而且分解结果能为下一段接收数据的选取提供参考信息。因而,同已有的信号处理方法相比,该方法具有明显的优越性,是一种比较好的信号分析方法。仿真实验证明了该方法的有效性。

自适应信号分解和相空间重构的钢琴和弦识别

文中首先阐述了和弦识别技术在音乐分析和音乐数据库中的重要应用价值,建立了特征参量结合分类器的识别流程。在信号预处理环节中引入了基于算子的NSP自适应信号分解的方法,将原始信号分解成包含特征信息的子信号,再对子信号提取非线性特征,用于分类器构造和识别实验。相关实验表明,同EMD方法相比,NSP自适应信号分解方法提取出子信号的特征信息较为单一,这样就避免了EMD方法中多种特征量混叠的现象,从而提高了识别准确率。

多目标回波参量估计中的自适应分解方法

利用基于“Matching Pursuit”算法的自适应信号分解方法,探讨了主动声纳信号处理中多目标回波的检测及参数估计问题。该方法既可实现目标参数估计,又可获取更多的目标特征信息,既能充分发挥宽带信号的优势,又有利于解决多途效应问题,因而具有明显的优越性,是一种比较好的信号分析方法。仿真实验验证了其有效性。

基于Chirp原子分解的语音信号时频结构分析

从自适应信号分解的角度出发,使用匹配追踪算法将语音信号分解成非平稳Chirp原子的组合,根据单个Chirp原子的WVD分布线性组合分析语音信号的时频结构.仿真结果表明,该方法时频分辨率高,没有短时傅立叶变换中测不准原理的限制,不受传统WVD分布中有交叉项的影响.

局部特征尺度分解方法及其在齿轮故障诊断中的应用

在定义瞬时频率具有物理意义的单分量信号——内禀尺度分量(Intrinsic scale component,ISC)的基础上,提出一种新的自适应信号分解方法——局部特征尺度分解(Local characteristic-scale decomposition,LCD)。LCD方法可以自适应地将任何一个复杂信号分解为若干个瞬时频率具有物理意义的ISC分量之和,非常适合于处理多分量的调幅—调频信号。当齿轮发生故障时,其振动信号一般为多分量的调幅—调频信号,因此局部特征尺度分解方法可以有效地应用于齿轮故障诊断。对LCD和经验模态分解(Empirical mode decomposition,EMD)、局部均值分解(Local mean decomposition,LMD)方法进行对比,结果表明了LCD方法的优越性。同时,针对齿轮故障振动信号的调制特征,将LCD方法和包络分析法相结合应用于齿轮故障诊断,对实际的齿轮故障振动信号进行分析,结果表明LCD方法可以有效地应用于齿轮故障诊断。

低截获概率雷达信号的调制识别研究

在分析了低截获概率(LPI:Low Probability of Intercept)雷达信号的分数阶傅立叶变换(FRFT)的基础上,提出了把调频率和分量能量之比作为分类特征向量。分类特征向量通过自适应信号分解来提取。仿真结果表明了该方法适合于低截获概率雷达信号的低信噪比情况,具有很好的识别率。

基于Chirplet变换的水轮机非平稳振动信号分析

首先应用调制移频和多采样率转换技术对水轮机过渡过程中的非平稳振动信号进行预处理,然后应用基于Chirplet的自适应信号分解方法和自适应GaussChirplet谱图对其进行时频分析。针对旋转机械的振动特点,改进了自适应Chirplet信号分解过程中Chirplet参数优化计算方法。分析结果与其他时频分析方法的对比表明:自适应GaussChirplet谱图时频分辨率高,而且没有交叉项干扰,适合于分析非平稳机械振动信号。

基于滑移辛几何模态分解的行星齿轮箱故障诊断研究

针对辛几何模态分解方法在分解复杂信号时的特征提取能力不足问题,提出了一种基于滑移辛几何模态分解(SSGMD)的故障诊断方法。首先,通过加窗的方式构造了滑移矩阵,以代替轨迹矩阵,增强了周期性特征提取能力;其次,对滑移矩阵进行了辛几何相似变换,获得了其特征值,将特征值所对应的特征向量经过重构,得到了其初始单分量矩阵;然后,对初始单分量矩阵做对角平均化,得到了一系列初始辛几何分量;最后,对这一系列初始辛几何分量进行拼接重组,得到了滑移辛几何分量(SSGCs),进而完成了对信号的自适应分解。研究结果表明:通过对仿真信号和行星齿轮箱实测信号进行实验分析,可知SSGMD利用滑移矩阵和辛几何相似变换不仅可以保护原始信号结构化信息不变,而且能充分提取原始信号的状态信息;与经典的信号分解方法相比,SSGMD方法能有效地对多分量信号进行分解,具有优越的特征提取能力。

基于NSP的微弱频率确知信号的提取

为实现确知频率信号在强噪声环境下的有效提取,本文在零空间追踪(Null Space Pursuit, NSP)方法的基础上,通过增加已知频率的先验信息约束,提出了一种基于频率确知信号约束的微弱信号提取方法 .该方法继承了零空间追踪方法的优良属性,通过将确定的频率作为先验信息约束,可以实现其微弱信号相位和幅度的有效提取,仿真实验证明最多可实现高达30dB信噪比的提升;特别适合相对低信噪比环境下(信噪比小于-5dB)的微弱信号提取.该方法提供了常规的微弱确知信号的检测/提取方法之外的一种新的选择.

LPI雷达信号脉内调制识别

针对低截获概率(LPI)雷达信号的识别问题,提出了一种基于自适应分解和多重相位差分的识别方法。该方法首先在自适应分解的基础上,提取调频率和分量能量之比作为分类特征。然后,基于多重相位差分,提取变换后信号的前后段均值比和拟合曲线斜率作为分类特征,完成了LPI雷达信号的完整分类。仿真实验结果表明,该方法无需先验信息,抗噪性好,识别正确率高。

基于振动信号的断路器机械零部件故障程度识别

如何有效识别高压断路器机械零部件故障严重程度是目前还未解决的问题,针对该问题,提出一种基于振动信号混沌吸引子形态特性的断路器零部件故障程度识别方法。为了更好地提取零部件早期故障的微弱故障特征,首先将振动信号按照断路器动作时序进行分时分割处理;然后提出一种参数自适应的信号分解方法,将分时振动信号各模态分量自适应地分离出来;最后重构模态分量混沌吸引子,利用混沌吸引子形态特性判断断路器零部件故障严重程度。两种不同型号断路器的试验结果表明,振动信号的模态分量混沌吸引子对故障程度具有较高的敏感度,正常与故障状态下的吸引子形态差异明显、吸引子形态随故障程度的加剧表现出一定的变化规律。该方法可为识别高压断路器机械零部件故障严重程度提供一条新思路。

基于经验小波变换的机械故障诊断方法研究

经验小波变换(EWT)是一种新的自适应信号分解方法,该方法继承了EMD和小波分析方法的各自优点,通过提取频域极大值点自适应地分割傅里叶频谱以分离不同的模态,然后在频域自适应地构造带通滤波器组从而构造正交小波函数,以提取具有紧支撑傅立叶频谱的调幅-调频(AM-FM)成分。本文将该方法引用到机械故障诊断中,提出了一种基于经验小波变换的机械故障诊断方法,并与EMD方法进行了对比分析。仿真结果表明,经验小波变换方法明显优于EMD方法,能有效地分解出信号的固有模态。与EMD相比较,该方法具有分解的模态少,不存在虚假的模态,计算量小,且在理论上具有易理解性等特点。最后将该方法应用到转子碰磨故障诊断中,实验结果进一步验证了该方法的有效性,能够有效地揭示出碰磨故障数据的频率结构,区分碰磨故障的严重程度。

基于经验小波变换的复杂强噪声背景下弱故障检测方法

针对复杂强噪声背景下的非平稳振动信号的弱故障和复合故障检测的难题,引入经验小波变换(empirical wavelet transform,EWT)以提高故障确诊率,并提出一种基于EWT的复杂强噪声背景下弱故障的检测方法。EWT能够通过完全自适应小波基提取信号的固有模式,与经典小波变换一样具有完备的理论基础。通过对含有复杂强噪声的仿真信号和实际信号进行EWT分析,并对比经验模态分解,验证了基于EWT的复杂强噪声背景下弱故障检测的可行性和有效性。该研究可为复杂工况下机械设备的弱故障和复合故障检测以及故障特征提取提供参考。

基于时间切变Gabor原子的时频建模

对尺度高斯函数与线性调频因子卷积,再做频移和时移,得到了具有四个可调参数的时间切变Gabor原子,其时频分布为聚集于其时间中心和频率中心的具有时间倾斜特性的能量曲线。给出了基于该原子集合的频域自适应信号子空间分解和相应的参数自适应时频分布,其中每步分解都采用模拟变焦距过程估计所得原子的四个参数,可用于对非平稳信号中线性和非线性变频成份进行建模和分析。

感应电机驱动的机械系统无传感器监测方法研究

提出一种应用于感应电机驱动的机械系统无传感器监测的谐波导纳估计方法。基于特别选定的基元函数 ,并结合遗传算法 ,给出一种自适应信号分解算法 ,用来提取电机电信号中的相关谐波 ,具有从强瞬态调制波干扰的信号中提取微弱谐波信息的优点 ,尤其是当瞬态调制波的载波频率与要提取的谐波频率相同时 ,仍可获得满意的结果。应用提出的方法 ,对感应电机驱动的机械系统转子失衡问题进行了实验研究 ,结果表明 ,获得的电机谐波导纳的偏心谐波幅值能够敏感地反映转子的失衡状态 ,从而可实现在无传感器条件下对电机驱动的机械系统进行状态监测和诊断。与振动法的对比实验证实了该方法的可行性。